SAMR ماڈل

انگریزی صفحے کا خودکار ترجمہ، جو ابھی تک کسی مقامی بولنے والے کے ذریعے جانچا نہیں گیا۔

SAMR ماڈل — Ruben Puentedura کا تیار کردہ ٹیکنالوجی انضمام کا فریم ورک جو چار سطحوں پر درجہ بندی کرتا ہے کہ کوئی ٹیکنالوجی سیکھنے کو کس حد تک تبدیل کرتی ہے: Substitution (متبادل)، Augmentation (اضافہ)، Modification (ترمیم) اور Redefinition (نئی تعریف)۔ نیچے کی دو سطحیں (Substitution، Augmentation) موجودہ کام کو بہتر کرتی ہیں — ٹیکنالوجی وہی کرتی ہے جو پہلے ہوتا تھا، زیادہ بہتر یا زیادہ سہولت سے؛ اوپر کی دو (Modification، Redefinition) اُسے تبدیل کرتی ہیں — کام خود ایسا بن جاتا ہے جو پہلے ممکن نہ تھا۔ تعلیم میں AI میں SAMR یہ پوچھنے کا معیاری عدسہ ہے کہ جنریٹیو AI موجودہ عمل کو بتدریج بہتر کرنے کے لیے استعمال ہو رہا ہے یا سیکھنے کو نئے سرے سے تصور کرنے کے لیے، اور یہ TPACK کے ساتھ ساتھ یہ بیان کرنے کا طریقہ ہے کہ اساتذہ ٹیکنالوجی کو کیسے ضم کرتے ہیں، نہ کہ وہ اُسے کیوں قبول کرتے ہیں۔

غور کرنے کے لیے سوالات

• جب کسی کورس میں AI لایا جائے، تو کیا وہ Substitution ہے (ایک چیٹ بوٹ سرچ باکس کی جگہ لے لیتا ہے) یا Redefinition (ایسا کام ممکن ہو جاتا ہے جو پہلے نہ تھا)؟ کون سی سطح موزوں ہے اِس کا تعین کیا کرتا ہے — اور کیا تبدیلی ہمیشہ ہدف ہوتی ہے؟
• SAMR اور ٹیکنالوجی قبولیت کے ماڈل مختلف سوالوں کے جواب دیتے ہیں: قبولیت کا نظریہ پوچھتا ہے کہ استاد یا ادارہ کوئی اوزار کیوں قبول کرتا ہے؛ SAMR پوچھتا ہے کہ اوزار سیکھنے کو کتنا گہرا بدلتا ہے۔ کوئی مخصوص AI انضمام کا مطالعہ درحقیقت کون سا سوال جواب دیتا ہے؟
• AI انضمام کے منظم جائزے نے اعلیٰ تعلیم میں پایا کہ بیشتر استعمال Substitution یا Augmentation کی سطح پر تھے، اور صرف ایک مطالعہ Redefinition کے قریب پہنچا۔ اگر یہی عام ہے، تو یہ AI کی صلاحیت اور اُس کی کلاس روم کی حقیقت کے درمیان خلا کے بارے میں کیا ظاہر کرتا ہے؟
• SAMR کو استاد کی پیشہ ورانہ ترقی میں کثرت سے پیش کیا جاتا ہے تاکہ معلمین ٹیکنالوجی کے استعمال کی منصوبہ بندی کر سکیں۔ کسی سبق کی SAMR سطح کا تعین کرنا استاد کے اصل عمل کو بدلتا ہے، یا یہ بنیادی طور پر ایک وضاحتی لیبل ہے؟
• ناقدین کہتے ہیں کہ SAMR، TPACK کی طرح، ایک انسانیت پسند وجودیات پر کھڑا ہے جو علم کو ٹیکنالوجی سے غیر متاثر مانتی ہے، اور یہ طاقت، ڈیٹا کی ملکیت یا مساوات کے بارے میں کچھ نہیں کہتا۔ کیا انضمام کی سطح کا عدسہ کافی ہے، یا AI کے دور میں انضمام کو زیادہ تنقیدی فریم کی ضرورت ہے؟

تعارف

SAMR سیکھنے کے کاموں کی ٹیکنالوجی سے تبدیلی کی گہرائی بیان کرتا ہے۔ اُس کی چار سطحیں بہتری سے تبدیلی تک ایک چڑھتا پیمانہ بناتی ہیں: Substitution (اوزار دوسرے کی جگہ لیتا ہے بغیر کسی فعلی تبدیلی کے — سرچ انجن کے بجائے چیٹ بوٹ)، Augmentation (اوزار جگہ لیتا ہے اور بہتر کرتا ہے — ٹائپ رائٹر کے بجائے ورڈ پروسیسر کا ہجے جانچنے والا)، Modification (کام کو نمایاں طور پر نئے سرے سے ڈیزائن کیا جاتا ہے — طلبہ کسی مشترکہ AI تیار کردہ مسودے پر حقیقی وقت میں تعاون کرتے ہیں)، اور Redefinition (پہلے ناقابلِ تصور نئے کام ممکن ہو جاتے ہیں — سیکھنے والے جنریٹیو ماڈل کے ساتھ ایسے طریقوں سے شریک تخلیق کرتے ہیں جن کا کوئی غیر AI ہم سراغ نہیں)۔ یہ ماڈل تعلیمی ٹیکنالوجی تحقیق اور استاد کی پیشہ ورانہ ترقی میں ٹیکنالوجی کے انضمام کی منصوبہ بندی اور جانچ کے لیے الفاظ کے طور پر بڑے پیمانے پر استعمال ہوتا ہے، اور یہ TPACK اور ٹیکنالوجی قبولیت کے فریم ورکوں کا معیاری ساتھی ہے — اگرچہ یہ اِن دونوں سے مختلف سوال کا جواب دیتا ہے۔

چار سطحوں کا مطلب

• بہتری (نیچے کا نصف): Substitution اور Augmentation موجودہ کام کو بہتر کرتے ہیں بغیر اُس کی نوعیت بدلنے کے۔ بیشتر معمول کا AI استعمال — سوالات کی پیداوار، فوری متن کی پیداوار، خلاصہ سازی — یہیں آتا ہے: یہ تیز اور زیادہ سہل ہے مگر اِسے نہیں بدلتا کہ سیکھنے والے سے کیا کرنے کو کہا جا رہا ہے۔
• تبدیلی (اوپر کا نصف): Modification اور Redefinition کام کو خود بدل دیتے ہیں۔ وائب کوڈنگ، ماڈل کے ساتھ حقیقی وقت میں شریک تعمیر، اور انطباقی تعاملی مکالمہ ایسے کام ہیں جو جنریٹیو AI سے پہلے ممکن نہ تھے، اور پیمانے کا تبدیلی والا سرا ظاہر کرتے ہیں۔

SAMR اکثر ICAP فریم ورک کے ساتھ جوڑا جاتا ہے کیونکہ دونوں ہم آہنگ ہیں: Rummel، Nachtigall اور Panadero (2026) کے کھانا پکانے سے سیکھنے تک کے چار منظرنامے ICAP کے شمولیت کے طریقوں کو SAMR کی سطحوں پر رکھتے ہیں — ICAP Passive کے ساتھ SAMR Substitution، Active کے ساتھ Augmentation، Constructive کے ساتھ Modification، اور Interactive کے ساتھ Redefinition — جو غیر فعال تفویض سے تعاملی شریک تعمیر تک ترقی کو واضح کرتا ہے۔

علمی ذخیرے سے شہادت

• اعلیٰ تعلیم میں AI انضمام بڑی حد تک بتدریج ہے، تبدیلی والا نہیں۔ AlSheikh وغیرہ (2026) نے 959 ریکارڈز میں سے چھانٹے گئے 22 مداخلتی مطالعات کے PRISMA منظم جائزے میں AI انضمام کو SAMR ماڈل سے درجہ دیا اور پایا کہ بیشتر مطالعات Substitution یا Augmentation کی سطح پر جمع تھے، Modification پر کم، اور صرف ایک Redefinition کے قریب۔ AI عام طور پر موجودہ عمل کو بہتر بنانے کے لیے لایا گیا — جس میں جانچ کی خودکاری اور ذاتی نوعیت کی سیکھنے کی حمایت غالب تھے — نصاب یا سیکھنے کے نتائج کو نئے سرے سے تصور کرنے کے لیے نہیں۔
• SAMR GenAI سے چلنے والی نصابی تبدیلی کا عام تجزیاتی عدسہ ہے۔ Sabani وغیرہ (2026) پانچ نصابی تبدیلیوں (ساکن سے متحرک، انتقال سے قابلیت، مقامی سے ادارہ جاتی) کو SAMR اور تعمیری ہم آہنگی سمیت قائم عدسوں پر رکھتے ہیں، اور ماڈل کو اُن تدریسی میکانزم کو واضح کرنے کے لیے استعمال کرتے ہیں جن سے GenAI نصاب کو نئے سرے سے شکل دیتا ہے۔
• SAMR اور TPACK استاد اور ٹیکنالوجی کے انضمام کے معیارات کی بنیاد ہیں۔ Crompton وغیرہ (2026) اپنے چھ فیکلٹی ٹیکنالوجی معیارات کو موجودہ فریم ورکوں — ٹیکنالوجیکل پیڈاگوجیکل کنٹینٹ نالج (TPACK)، RAT، SAMR، SETI — اور معیارات (ISTE، UNESCO، DigCompEdu) کے سامنے رکھتے ہیں، جن میں سے بیشتر K-12 معلمین یا فیکلٹی کردار کے صرف تدریسی حصے کو نشانہ بناتے ہیں، جس سے اعلیٰ تعلیم کی فیکلٹی ترقی میں خلا رہ جاتا ہے۔
• SAMR مابعد انسانی تنقید کا نشانہ ہے۔ Elsayed (2026) TPACK، SAMR اور مصنوعی ذہانت کی لیٹریسی ماڈلوں پر تنقید کرتے ہیں کہ وہ ایک ایسی انسانیت پسند وجودیات رکھتے ہیں جو ایک محدود سیکھنے والا فرض کرتی ہے جس کا علم ٹیکنالوجی کی وساطت سے بنیادی طور پر غیر متاثر رہتا ہے، اور دلیل دیتے ہیں کہ یہ اوزاریت پسند فریم ورک علم میں AI کے تشکیلاتی کردار کو مخاطب نہیں کر سکتے۔
• انضمام کا فریم ورک، طاقت کا فریم ورک نہیں۔ Poudyal (2026) SAMR کا TPACK اور دیگر انضمام فریم ورکوں کے ساتھ جائزہ لیتے ہیں اور پاتے ہیں کہ کوئی بھی منصفانہ طاقت، ڈیٹا کی ملکیت یا جواب دہی کو مخاطب نہیں کرتا، جو ایک متبادل ماحولیاتی شریک ایجنسی فریم ورک کی ضرورت پیدا کرتا ہے۔
• طلبہ کا استعمال بھی SAMR پر نقش ہوتا ہے، اور فیڈبیک ہر سطح پر پھیلا ہوتا ہے۔ طبیعیات کے ایک یونٹ میں 31–36 طلبہ کے GenAI اعلانات کو کوڈ کرنے سے سیکھنا substitution–augmentation پر، فارمیٹنگ substitution پر، اور کام کرنا modification–redefinition پر رکھا گیا، جبکہ فیڈبیک — جانچنا، واضح کرنا، تصدیق کرنا — چاروں سطحوں پر ظاہر ہوا (Quince اور Faulconer (2026))۔
• گہرائی اور شمولیت الگ محور ہیں۔ Jita، Jita اور Omoniyi (2026) SAMR کو UDL کے ساتھ 38 ماخذوں پر جوڑتے ہیں اور دلیل دیتے ہیں کہ Redefinition سطح کے کام بھی اُن طلبہ کو خارج کر سکتے ہیں جن کی زبان، ڈیوائس یا کنیکٹیویٹی ڈیزائن میں فٹ نہ ہو۔

SAMR، TPACK اور ٹیکنالوجی قبولیت: فرق کیا ہے

تین فریم ورک اکثر گڈمڈ کیے جاتے ہیں مگر الگ سوالوں کے جواب دیتے ہیں:

• ٹیکنالوجی قبولیت کے ماڈل (TAM، UTAUT) بیان کرتے ہیں کہ کوئی فرد یا ادارہ ٹیکنالوجی کیوں قبول کرتا ہے اور اُسے استعمال کرتا رہتا ہے — سمجھی جانے والی افادیت، استعمال کی آسانی، اور سماجی اثر۔
• TPACK اُس علم کو بیان کرتا ہے جو استاد کو ٹیکنالوجی مؤثر طریقے سے ضم کرنے کے لیے درکار ہے — تکنیکی، تدریسی اور مواد کے علم کا باہمی عمل، جو AI کے دور میں AI-TPACK/GenAI-TPACK تک بڑھایا گیا ہے۔
• SAMR درجہ بندی کرتا ہے کہ کوئی ٹیکنالوجی سیکھنے کے کام کو کتنا گہرا بدلتی ہے، بہتری سے نئی تعریف تک۔

SAMR کو بہتر طور پر انضمام کی گہرائی کا عدسہ سمجھا جاتا ہے جو منصوبہ بندی اور جانچ میں استعمال ہوتا ہے، اور قبولیت کے نظریے (جو اپنانے کی وضاحت کرتا ہے) اور TPACK (جو استاد کی قابلیت کی وضاحت کرتا ہے) کی تکمیل کرتا ہے۔ AI کے دور میں یہ سب سے زیادہ نتیجہ خیز طور پر یہ پوچھنے کے لیے استعمال ہوتا ہے کہ جنریٹیو AI موجودہ کاموں کو بہتر بنانے کے لیے لگایا جا رہا ہے یا واقعی نئے کام ممکن کرنے کے لیے — یہ فرق علمی ذخیرے کی جانچ اور نصاب کی تحقیق میں ہر جگہ موجود ہے۔

عملی رہنمائی

• SAMR کو گہرائی کا سوال پوچھنے کے لیے استعمال کریں، تبدیلی کا حکم دینے کے لیے نہیں۔ بہتری بذاتِ خود کمتر نہیں؛ بہت سے معمول کے AI استعمال جائز Substitution ہیں۔ ماڈل تشخیصی ہے، اور واضح کرتا ہے کہ کوئی استعمال حقیقتاً کیا بدلتا ہے۔
• اِسے ICAP کے ساتھ جوڑیں۔ SAMR بیان کرتا ہے کہ کام کیا بنتا ہے؛ ICAP بیان کرتا ہے کہ سیکھنے والا کس طرح شمولیت کرتا ہے۔ ساتھ استعمال ہو کر یہ سطحی متبادل کو گہری تعاملی شریک تعمیر سے الگ کرتے ہیں۔
• اِسے قبولیت اور مساوات کے عدسوں سے مکمل کریں۔ SAMR نہیں بتاتا کہ کوئی اوزار کیوں اپنایا جاتا ہے یا کس کو فائدہ ہوتا ہے۔ اِسے قبولیت کے ماڈلوں اور مساوات کے تجزیے کے ساتھ جوڑیں تاکہ گہرائی کا لیبل تنقیدی جانچ کا متبادل نہ بن جائے۔
• بتدریج انضمام کے شواہد کو ناکامی نہیں بلکہ تلاش سمجھیں۔ اگر بیشتر AI انضمام Substitution/Augmentation پر جمع ہے، تو ڈیزائن کا کام Redefinition کو زبردستی مسلط کرنا نہیں بلکہ یہ تسلیم کرنا ہے کہ تبدیلی والے استعمال کے لیے مختلف کام کے ڈیزائن درکار ہیں، صرف بہتر اوزار نہیں۔

عام غلط فہمیاں

"SAMR میں اوپر ہونا بہتر تدریس ہے۔" SAMR یہ پوچھنے کا عدسہ ہے کہ AI سیکھنے کو نئے سرے سے تصور کرتا ہے یا موجودہ عمل کو بہتر کرتا ہے؛ یہ معیار کی درجہ بندی نہیں، اور Redefinition ہر کام کے لیے درست جواب نہیں۔ ایسا متبادل جو غیر مفید مرحلہ ہٹا دے، سیکھنے کی بنیاد پر کامیابی ہے، اُس سطح کی بنیاد پر نہیں جس پر وہ بیٹھتا ہے۔

"AI کا اپنانا سیڑھی پر اوپر بڑھ رہا ہے۔" تقسیم نیچے ہی مرکوز ہے۔ اعلیٰ تعلیم میں AI انضمام کے منظم جائزے نے پایا کہ بیشتر استعمال Substitution یا Augmentation پر تھے، اور صرف ایک مطالعہ Redefinition کے قریب پہنچا۔ چنانچہ اِس ادب میں SAMR کا عملی استعمال بڑی حد تک تشخیصی ہے — یہ نام دیتا ہے کہ میدان حقیقتاً کہاں کھڑا ہے۔

"SAMR اور TPACK مسابقتی فریم ورک ہیں۔" یہ الگ الگ چیزیں بیان کرتے ہیں: SAMR کسی کام میں تبدیلی کی ڈگری بیان کرتا ہے، جبکہ TPACK وہ علم بیان کرتا ہے جو استاد کو ٹیکنالوجی اچھی طرح ضم کرنے کے لیے درکار ہے۔ ایک استاد TPACK میں بہت قابل ہو سکتا ہے اور پھر بھی Substitution پر کام کر سکتا ہے، اِسی لیے دونوں ساتھ استعمال ہوتے ہیں، اُن میں سے انتخاب نہیں کیا جاتا۔

"جو اوزار ایک سطح پر تبدیلی والا ہے، ہر سطح پر تبدیلی والا ہے۔" وہی جنریٹیو اوزار ایک کورس میں Substitution اور دوسرے میں Redefinition کی حمایت کر سکتا ہے، کیونکہ سطح ٹیکنالوجی کی نہیں بلکہ کام کے ڈیزائن کی خصوصیت ہے۔ سطح کو اوزار سے منسوب کرنا ڈیزائن کے فیصلوں کی جگہ اپنانے کے فیصلے پیدا کرتا ہے۔

منسلک تصورات

• تعلیم میں مصنوعی ذہانت — تعلیم میں AI (چھتری)
• ٹیکنالوجیکل پیڈاگوجیکل کنٹینٹ نالج (TPACK) — تکنیکی تدریسی مواد کا علم
• ٹیکنالوجی اپنانے کے ماڈل — ٹیکنالوجی قبولیت کے ماڈل
• ICAP فریم ورک — علمی شمولیت کا ICAP فریم ورک
• ٹیکنالوجیز — AI ٹیکنالوجیاں اور تکنیکیں
• استاد کی AI صلاحیت — استاد کی AI قابلیت
• تعلیمی ترقی — تعلیمی ترقی
• سیکھنے کا ڈیزائن — سیکھنے کا ڈیزائن
• K-12 — K-12 تعلیم
• اعلیٰ تعلیم — اعلیٰ تعلیم
• جنریٹو AI — جنریٹیو AI

منسلک مضامین

• Mapping artificial intelligence integration in higher education: A systematic review using the FACETS and SAMR frameworks — اعلیٰ تعلیم میں AI انضمام SAMR سے درجہ بند: زیادہ تر Substitution/Augmentation
• With a Thermomix You Lose the Ability to Cook: A Kitchen Machine Analogy for Applications of Generative AI in Education — ICAP اور SAMR چار کھانا پکانے سے سیکھنے تک کے منظرناموں کا نقشہ بناتے ہوئے
• Rewriting the Curriculum: A Systematic Review of Generative AI-Driven Pedagogical Change and Emerging Systems of Learning in Higher Education — GenAI سے چلنے والی نصابی تبدیلی کے عدسوں میں SAMR
• Designing faculty standards for technology integration in higher education institutions: a design-based research study — فیکلٹی ٹیکنالوجی معیارات کی بنیاد بننے والے فریم ورکوں میں SAMR
• Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI — SAMR کی انسانیت پسند وجودیات پر مابعد انسانی تنقید
• Reclaiming Epistemic Agency: A Critical Framework for Human-Generative AI Co-Agency in Education — طاقت، ڈیٹا کی ملکیت اور جواب دہی پر SAMR کی خاموشی
• Student GenAI use under changing institutional policies: a mixed-methods case study in undergraduate physics — بدلتی ادارہ جاتی پالیسیوں کے تحت طلبہ کا GenAI استعمال: استعمال کے افعال SAMR سطحوں پر نقش (Quince اور Faulconer 2026)
• AI in Mathematics Classrooms: A Synergistic Strategy for Diversity and Inclusivity — ریاضی کے کلاس رومز میں AI: تنوع اور شمولیت کے لیے ایک ہمہ گیر حکمتِ عملی